Python实现按类别将列中0值替换为对应类别众数

没问题，我来帮你搞定这个0值替换的操作！你已经找到了获取类别众数的方法，接下来只需要把这些众数映射回原数据，替换掉错误的0值就行，这里给你两种实用的方案：

方案一：基于你已计算的众数结果替换 #

如果你已经通过groupby得到了每个类别对应的属性众数（假设这个结果存在group_modes变量里），可以用apply逐行判断替换：

# 先确认你已经拿到了类别众数
group_modes = data.groupby(['class'])['quality','taste'].agg(lambda x:x.value_counts().index[0])

# 替换quality列的0值
data['quality'] = data.apply(
    lambda row: group_modes.loc[row['class'], 'quality'] if row['quality'] == 0 else row['quality'],
    axis=1
)

# 替换taste列的0值
data['taste'] = data.apply(
    lambda row: group_modes.loc[row['class'], 'taste'] if row['taste'] == 0 else row['taste'],
    axis=1
)

这个方法逻辑很直观：对每一行检查属性值是否为0，如果是，就从group_modes里取出对应类别的众数替换它。

方案二：一步到位（无需单独存储众数） #

如果不想单独保存众数结果，可以直接用groupby.transform生成每行对应的类别众数，再结合replace完成替换，代码更简洁：

# 替换quality列的0值为对应类别众数
data['quality'] = data['quality'].replace(
    0, 
    data.groupby('class')['quality'].transform(lambda x: x.value_counts().index[0])
)

# 替换taste列的0值为对应类别众数
data['taste'] = data['taste'].replace(
    0, 
    data.groupby('class')['taste'].transform(lambda x: x.value_counts().index[0])
)

transform会生成和原DataFrame长度一致的Series，每个位置的值是该行所属类别的属性众数，replace只会把原列中的0值替换成这个对应位置的众数，其他值保持不变。

小提示 #

如果某个类别下的属性值全是0，那众数还是0，这种情况替换后不会有变化——不过你提到0是错误值，应该每个类别下都有非0的有效数据，所以不用担心这个问题~

内容的提问来源于stack exchange，提问作者Ahamed Moosa